01 题目及来源

image-20210107114855915

02 这篇文章讲了什么

作者通过集成基于聚合物的氧化还原晶体管和易失性导电桥存储器(CBM)来克服以往忆阻器所具有的应用缺陷,从而得到一种可以在实际中应用的非易失性、可寻址的突出存储器,并将其命名为离子浮栅存储器(Ionic Floating-Gate Memory),缩写为IFG

03 论文附图及笔记

1、如下图所示,表示了N*M型的RRAM元件的时间复杂度为O(M×N),这种情况下需要消耗较大量的时间成本和资源。这种写入的方式称为串行编程。

image-20210107160930377

2、如下图所示,最近开发的氧化还原晶体管存储器使用的是并行编程。可以大幅度减少时间成本。

image-20210107165835715

3、上述的氧化还原晶体管存储器通过实用“栅”电级来进行解耦写入和读取操作,即通过固体电解质将Li+和H+注入到沟道电极(PEDOT:PSS)来调节电导。

image-20210107170251645

图中,上部分为MIM结构,下部分为PEDOT:PSS、Nafion和Au构成的栅极。

对于C,当Vw(施加电压)>Vth(ON状态阈值电压)时,MIM结构导通,PEDOT:PSS通道被氧化,从而增加了源极(S)和漏极(D)之间的电子电导GSD

对于D,Vw(施加电压)<<Vth(ON状态阈值电压)时,MIM结构断联并转化为高电阻,阻止了电子进一步耦合到氧化还原晶体管并实现了非易失性。此外,可以通过源极(S)与漏极(D)之间施加读取电压VR来读取氧化还原晶体管的状态。

特别注意:在实际神经网络中,突触权重将被储存为氧化还原晶体管漏栅极之间的电子电导GSD的形式。

4、对于实际硬件神经网络,参考下诸图:

image-20210107182714566

但由于对于ANN的了解还不够深入,以及电路图不能很好地理解,此部分不能有太多的感悟,故此部分留待以后深入学习ANN和电路理论后找补。但至少能够看出,利用IFG硬件作为代替软件数据结构的尝试是可行的,且有一定的发展前景。

04 总结

读罢这篇论文,最大地收获是搞清楚了PEDOT:PSS在忆阻器中到底是如何发挥作用的,以及大概了解了忆阻器件如何在实际的硬件神经网络中发挥作用。

当然,从阅读这篇文献中也发现了自己还存在一些知识漏洞,例如对于ANN和电路图不甚了解,未来几天还需要继续加深相关知识地学习。